Bir dizi trafik levhasını sınıflandırma

Otonom araç kendi kendine başarıyla durduğuna göre, ekibin aracı test parkurunda devam ettirmekte kendini daha güvende hissediyor.

Test parkurunda üç tipe ayrılmış 59 ek trafik levhası bulunuyor:

Dur Levhası Hız Sınırı Levhası Yaya Levhası

Denemenin sonunda, senden aracın bu levhaları tanımadaki genel performansını ölçmen isteniyor.

class paketi ve signs veri kümesi çalışma alanında zaten yüklü. Modelini üzerinde test edeceğin gözlemleri tutan test_signs veri çerçevesi de hazır.

Bu egzersiz, kursun bir parçasıdır

R'de Supervised Learning: Sınıflandırma

Kursa Göz Atın

Egzersiz talimatları

knn() kullanarak test_signs verilerini sınıflandır.
- train argümanını, etiketler olmadan signs içindeki gözlemlere eşitle.
- test argümanı için yine etiketler olmadan test_signs kullan.
- cl argümanı için, sana sağlanan etiket vektörünü kullan.
Sınıflandırıcının üç levha tipini tanımadaki performansını incelemek (karmaşıklık matrisi) için table() kullan.
- test_signs içindeki etiketleri çıkararak signs_actual vektörünü oluştur.
- Tahminler vektörü ile gerçek levhalar vektörünü table() fonksiyonuna vererek çapraz tablo oluştur.
mean() fonksiyonunu kullanarak kNN öğrenicisinin genel doğruluğunu hesapla.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Use kNN to identify the test road signs
sign_types <- signs$sign_type
signs_pred <- knn(train = ___[-1], test = ___[-1], cl = ___)

# Create a confusion matrix of the predicted versus actual values
signs_actual <- ___
table(___, ___)

# Compute the accuracy
mean(___ == ___)

Kodu Düzenle ve Çalıştır